نماذج ومنصات الذكاء الاصطناعي

Levelpath تطلق Ranger لتشغيل تدفقات عمل الشراء من البداية إلى النهاية

mm
أضف Unite.AI إلى مصادرك المفضلة على Google
Enterprise procurement leader supervising a governed autonomous AI workflow spanning sourcing, contracts, risk checks, and invoice approval.

Levelpath أطلقت Ranger، منصة شراء مستقلة صُممت لنقل عمليات الشراء المؤسسية من الإدارة المدعومة بالذكاء الاصطناعي إلى التنفيذ من الطرف إلى الطرف. تم الإعلان عنها في 30 سبتمبر، تقبل Ranger طلبًا بلغة طبيعية أو صوتيًا، ثم تنسق العمل المطلوب لتوفير الموردين، مراجعة العقود، دمج البائعين، تقييم مخاطر الطرف الثالث، ومطابقة واعتماد الفواتير.

هذا التمييز مهم. يمكن لمعظم مساعدي الشراء تلخيص عقد، صياغة استبيان، أو الإجابة على سؤال سياسات، لكن الموظف لا يزال بحاجة إلى ربط تلك المخرجات في عملية. تم بناء Ranger ليعمل كأنسجة ربط. يمكن لوكلائه التخطيط وتنفيذ خطوات متعددة عبر أقسام الشراء، المالية، القانونية، الأمن، وأنظمة تكنولوجيا المعلومات مع تصعيد القرارات التي تتطلب حكمًا بشريًا.

من الطلب إلى عملية محكومة

في قلب المنصة يوجد Ranger Studio، بيئة لغة طبيعية حيث تصف فرق الشراء وكيلًا أو سير عمل، وتحدد السياسات التي يجب أن يتبعها، وتقرر أين يجب أن يتدخل شخص. تقول الشركة إن المستخدمين يمكنهم نشر مساعدين للأسئلة المستندة إلى البيانات، ووكلاء مهام للمهام الروتينية، ووكلاء سير عمل للعمليات متعددة الخطوات، ووكلاء مستمرين يراقبون مسؤوليات مثل تجديد العقود أو صحة الموردين.

يأتي Ranger بخمس سير عمل مستقلة: التوريد، مراجعة العقود، دمج الموردين، حماية مخاطر الطرف الثالث، ومطابقة واعتماد الفواتير. هذه ليست ميزات معزولة. فهي تعمل على نموذج بيانات الشراء المشترك الخاص بـ Levelpath وتربط أنظمة ERP، إدارة دورة حياة العقود، المالية، التعاون، وغيرها من أنظمة المؤسسة عبر تكاملات مدمجة وواجهات برمجة التطبيقات.

هذه البنية التحتية تبنى على محرك الاستدلال Hyperbridge الخاص بـ Levelpath، الذي يجلب سياق المورد، العقد، التوريد، والإنفاق إلى طبقة مشتركة. تصف الشركة Hyperbridge بأنه يجمع بين نماذج اللغة الكبيرة والبيانات المؤسسية ومنطق سير العمل، مما يسمح للوكلاء بالتفكير حول السياق وراء الطلب بدلاً من التعامل مع كل مستند أو نظام كتفاعل منفصل.

ذلك الأساس البياني هو المتطلب الفني الحاسم. في مقابلة مع Unite.AI حديث، جادل المؤسس المشارك والرئيس التنفيذي لـ Levelpath، أليكس ياكوبوفيتش، بأن الوكيل لا يمكنه التصرف بثقة عندما تظل معلومات المورد، العقد، والتوريد مجزأة. فكرة Ranger هي أن النموذج الموحد يمنح الوكلاء المتخصصين ما يكفي من السياق لتقدم سير العمل بدلاً من مجرد إرجاع إجابة.

كيف يبدو الشراء المستقل في الواقع

في حدث توريد، يمكن لـ Ranger تحويل طلب قصير إلى طلب عروض منظم (RFP) يتضمن استبيانًا، ورقة أسعار، بطاقة تقييم، وعملية مخصصة للمورد. يمكنه تحليل الردود، شرح تقييمه، وتوصية بمنح العقد، مع ترك الاختيار النهائي لشخص مخول. يمكن أيضًا أن تُؤخذ الأسعار التاريخية، أداء المورد، والشروط المتفاوض عليها في الاعتبار أثناء التحليل.

إدارة العقود تضيف نمطًا أكثر استباقية. يمكن لـ Ranger حساب فترات الإشعار، بدء مراجعة تجديد قبل انتهاء العقد، وتوصية بما إذا كان يجب التجديد، إعادة التفاوض، الإلغاء، أو عدم اتخاذ أي إجراء. يتيح اكتشاف العقود للفريق طرح سؤال واحد عبر ما يصل إلى 10,000 عقد والحصول على إجابة مرتبطة بأدلة في المستندات الأساسية. تلك الطبقة من الاستشهاد مهمة في الأعمال القانونية والشراء، حيث أن الإجابة المعقولة دون مصدر قابل للتتبع لا تكون كافية.

في حسابات المدفوعات، يطابق النظام الفواتير مع سجلات الموردين، أوامر الشراء، العقود، وبيانات الاستلام. يمكنه تحديد النسخ المكررة، أو عدم تطابق الأسعار أو الكميات، والمبالغ غير العادية، وأوامر الشراء التي تقترب من حدودها. يمكن للفواتير ذات القيمة المنخفضة والنظيفة الانتقال تلقائيًا نحو الدفع؛ تُوجه الاستثناءات إلى شخص مع سبب مكتوب وسجل تدقيق.

توفر واجهة AI Front Door الواجهة المشتركة. يمكن للموظفين بدء طلب شراء عبر محادثة، اقتباس، أو تعليم صوتي. يملأ Ranger الطلب مسبقًا، يطبق الإرشادات بناءً على دور الموظف، ويوجه العمل إلى الفرق القانونية، الأمنية، المالية، أو المخاطر وفقًا للسياسة والحدود. كما تحول لوحات التحكم ذات اللغة الطبيعية الأسئلة حول الإنفاق، الموردين، والأداء إلى مخططات، مقارنات، أو مؤشرات أداء رئيسية.

الاستقلالية مع حدود صارمة

قد يكون الجزء الأكثر تأثيرًا في الإطلاق هو تصميم الحوكمة. يمكن تمكين أو تعطيل كل وكيل في خطوة فردية وتقييده بالسياسات، حدود الموافقة، كتيبات التشغيل، النبرة، وقواعد المنظمة. تقول Levelpath إن تغييرات الوكيل تُختبر مقابل سيناريوهات تقييم مُصدرة وإصدارات محادثات الإنتاج قبل الإطلاق.

الأهم من ذلك أن التفويضات يمكن أن تكون هيكلية بدلاً من استشارية. قد يُسمح لوكيل الموافقة بالموافقة على طلب مؤهل لكنه يمنع تقنياً من رفض طلب، مما يجبر كل رفض على شخص. كما يميز Ranger بين الإجراءات الآلية والقرارات البشرية في سجل التدقيق وهو مصمم لتجنب العمل على معلومات قديمة أو غير مكتملة.

تتعامل هذه الضوابط مع خطر مؤسسي أوسع: مع انتشار الوكلاء المستقلين، تحتاج الشركات إلى معرفة أي نظام اتخذ قرارًا، وما الأدلة التي استخدمها، وأي سلطة مارسها. كما فحصت Unite.AI مؤخرًا في صعود الوكلاء الظلاليين، تصبح مشكلة الحوكمة أصعب عندما يستطيع الوكلاء تحفيز بعضهم البعض عبر الوظائف. نموذج Ranger للصلاحيات المحدودة، والتقييم، والأدلة، والتصعيد الصريح هو محاولة لجعل هذه الاستقلالية مسؤولة عمليًا.

نموذج تشغيلي جديد للمشتريات

تقول Levelpath إن Ranger متاح الآن وسيُقدَّم للعملاء الحاليين دون أي تكلفة إضافية. يمكن للعملاء الجدد البدء بإثبات مفهوم أو إثبات قيمة. تذكر الشركة أسماء American Airlines وCBRE وAmgen وNew York Life وLevi Strauss & Co. وWestern Union بين المؤسسات التي تستخدم تقنيتها.

يقدم الإطلاق أيضًا Ranger Academy، سلسلة من ورش العمل تهدف إلى تدريب المتخصصين في المشتريات كـ “Agent Operations Managers” الذين يحددون السياسات، ويضبطون الوكلاء، ويتحملون النتائج. يشير هذا الدور إلى مكان التحدي الحقيقي لتبني المنتج. لا تُلغِي سير العمل المستقل الخبرة في المشتريات؛ بل تحولها إلى تصميم السياسات، ومعالجة الاستثناءات، واستراتيجية الموردين، وإشراف على الوكلاء.

يظهر Ranger مع انتقال الذكاء الاصطناعي المؤسسي من توليد المحتوى إلى تنسيق الإجراءات. تُعد المشتريات اختبارًا كاشفًا لأنها تجمع بين المستندات الفوضوية، وحجم المعاملات العالي، والموافقات متعددة الوظائف، والالتزامات التنظيمية، وعلاقات الموردين، والعواقب المالية المباشرة. إذا استطاعت Levelpath إبقاء الوكلاء ضمن حدود قابلة للتحقق مع دمج الأنظمة المجزأة التي لا تزال تعتمد عليها المؤسسات، فقد يجعل Ranger من المشتريات أحد أوضح الأمثلة على الذكاء الاصطناعي الوكالي المحكم في العمل.

إيدن كروس هو استراتيجي مولد بالذكاء الاصطناعي في Unite.AI ، يغطي استراتيجية المنتج الذكي والتنفيذ والتحديات العملية لتحويل النماذج التجريبية إلى منتجات قابلة للتطوير والجاهزة للأسواق. يركز عمله على كيفية انتقال فرق الشركات الناشئة والشركات الكبيرة من النماذج الأولية والتجارب إلى أنظمة موثوقة تستخدمها العملاء الحقيقيون.
مع منظور عملي ومتعمق ، ي分析 إيدن كروس خطط المنتج ، والاستراتيجيات التسويقية ، وتصميم المنصات ، والتنازلات التنظيمية التي تحدد ما إذا كانت مبادرات الذكاء الاصطناعي ستنجح أو تتعثر. يولي اهتماما خاصا للواقعيات التطبيقية ، واعتماد المستخدم ، وقيود البنية التحتية ، والتوازن بين القدرة الفنية والقيمة التجارية.
المقالات التي كتبها إيدن كروس تم إنشاؤها بواسطة الذكاء الاصطناعي ومراجعتها بواسطة فريق التحرير في Unite.AI لضمان الوضوح والدقة والتغطية المسؤولة لكيفية بناء منتجات الذكاء الاصطناعي وشحنها وتوسيعها في العالم الحقيقي.